Cómo un avance en IA de DeepMind, de la matriz de Google, "cambió la historia de la ciencia" y puede llevar a nuevas curas
DeepMind
- El avance en inteligencia artificial de una startup propiedad de Alphabet acelera la búsqueda de nuevos fármacos.
- La tecnología, denominada AlphaFold2, ha sido utilizada por más de un millón de investigadores para estudiar las proteínas.
- Varias empresas biotecnológicas esperan llevar la IA aún más lejos para desarrollar curas.
Tras más de una década de perplejidad ante imágenes borrosas, un avance logrado mediante inteligencia artificial aportó claridad a Matthew Higgins.
Higgins, profesor de la Universidad de Oxford, se enfrentaba a un problema clásico entre los científicos: vislumbrar el aspecto de las proteínas.
Las técnicas tradicionales solo mostraban siluetas vagas, lo que dejaba a Higgins perplejo. Pero utilizando una nueva tecnología de inteligencia artificial llamada AlphaFold2, descifró la forma de una proteína clave utilizada por el parásito que causa la malaria, una némesis contra la que su laboratorio lleva luchando desde mediados de los 2000.
Sin AlphaFold, "probablemente aún estaríamos intentándolo, para ser honestos", confiesa a Business Insider.
Ese avance del año pasado ayudó a Higgins a desarrollar una vacuna experimental contra la malaria que ahora se está probando en personas. En otro proyecto de investigación, utilizó AlphaFold2 para ver la forma de otra proteína de la malaria, lo que le ayudó a desarrollar una segunda vacuna experimental, que se empezará a estudiar en personas a finales de este año. Las vacunas podrían suponer un avance crucial contra una enfermedad que mata a más de 600.000 personas al año, sobre todo niños pequeños.
Los logros de Higgins ilustran la rapidez con que AlphaFold2, una tecnología de predicción de la forma de las proteínas, está revolucionando la ciencia y la medicina. En pocos años, DeepMind, la empresa de IA propiedad de Alphabet que ha creado AlphaFold, ha pasado de dominar los juegos de mesa a resolver uno de los mayores retos de la biología. Ahora lo utilizan más de un millón de investigadores, desde universidades hasta grandes farmacéuticas.
"AlphaFold ha desencadenado una ola de innovación al mostrar a la gente lo que es posible", afirma Chris Bahl, científico jefe de AI Proteins, una empresa de Boston que utiliza AlphaFold para ayudar a desarrollar fármacos.
Los responsables de DeepMind parecen tener sus propias ambiciones a largo plazo. Se han asociado con un importante centro de investigación biomédica y han creado una empresa de biotecnología, aunque no han revelado muchos detalles sobre estos proyectos más allá de su objetivo de cambiar la forma en que se desarrollan los fármacos.
"AlphaFold, por increíble que sea, es solo el principio", señalaba Demis Hassabis, CEO de DeepMind, en un podcast el año pasado.
De dominar los juegos de mesa a cambiar la historia de la ciencia
Lee Jin-man/AP
Casi todos los medicamentos actuales se dirigen a las proteínas, y conocer su forma es clave para saber más sobre las enfermedades y cómo detenerlas.
Antes de AlphaFold, averiguar la forma de una proteína era misión imposible.
Tradicionalmente, los investigadores cristalizaban la proteína, convirtiéndola en una forma salada a la que algunas se resistían. Si ese paso funcionaba, disparaban rayos X a cada cristal y observaban cómo rebotaban los electrones para generar una imagen. Mediante muchas rondas de este proceso, los científicos podían hacerse una idea de la forma tridimensional de una proteína.
Un estudiante de doctorado puede pasarse uno o 2 años produciendo una nueva estructura, según explica Higgins, y el resultado es, en muchas ocasiones, borroso y poco concluyente.
Por ello, Hassabis centró su atención en las proteínas en 2016, el mismo año en que su programa de inteligencia artificial de DeepMind ganó notoriedad al vencer a un jugador de talla mundial en Go, un juego de mesa chino.
Hassabis, niño prodigio del ajedrez y defensor de la IA, fundó DeepMind en 2010 con el objetivo de crear sistemas de inteligencia artificial que pudieran realizar determinadas tareas tan bien o mejor que los humanos. Tras la victoria en el Go, Hassabis y David Silver, uno de los principales científicos de DeepMind, decidieron que era hora de pasar de los juegos a los problemas del mundo real.
Décadas de trabajo del biólogo John Moult allanaron el camino para la entrada de DeepMind en la biología. En 1994, convocó una reunión para investigadores que trabajaban en estructuras de proteínas, llamada Evaluación Crítica de la Predicción de Estructuras. Moult daba a los equipos participantes un conjunto de proteínas y calificaba la precisión de sus predicciones, esperando que una competición pudiera estimular el progreso.
DeepMind hizo su primer intento público en una reunión de 2018. La primera versión de AlphaFold ganó la competición y superó el estándar mundial. En el concurso, el ganador suele hacer una predicción con una precisión de alrededor del 40%. AlphaFold obtuvo un 60%.
Aunque esto llamó la atención, las predicciones de AlphaFold seguían teniendo muchos errores, y Hassabis quería mejorarlas.
Unos meses antes de que se anunciaran los resultados de esa reunión, John Jumper, uno de los principales científicos de AlphaFold, se reunió con su equipo para diseñar mejoras graduales de la tecnología. Hassabis, se dejó caer por allí para desafiarles.
"Dijo algo así como: '¿Vamos a resolver este problema, o es demasiado difícil y tenemos que encontrar otra cosa que hacer?", relata Jumper.
Esa conversación llevó a Jumper a desechar la primera versión de AlphaFold y empezar desde cero. Según comenta, AlphaFold2 se construyó con muchos más conocimientos biológicos y físicos de las proteínas.
En la siguiente reunión, en 2020, AlphaFold2 cumplió, prediciendo estructuras de proteínas con una precisión de casi el 90%. Los expertos lo consideraron eficaz para resolver el problema, y el organizador de la conferencia dejó claro que ningún otro equipo se le había acercado.
"Ese fue el momento en que supe que habíamos cambiado la historia de la ciencia", afirma Jumper.
AlphaFold2 ha experimentado un crecimiento explosivo en el mundo de la ciencia
Samuel de Roman/Getty Images
En los meses posteriores al "concurso", DeepMind actuó con rapidez.
El equipo predijo las 20.000 proteínas del cuerpo humano en Navidad de 2020. Esos resultados se publicaron en julio de 2021, junto con el código del software, en un artículo de Nature que ha sido citado más de 8.800 veces, es decir, unas 15 veces al día.
Hassabis ha explicado que la decisión de publicar libremente AlphaFold2 fue para maximizar el beneficio para la humanidad. DeepMind opera como filial de Alphabet y, según informó la CNBC, ha ganado dinero vendiendo software y servicios a otras empresas de Alphabet, como YouTube y Google.
Luego, Hassabis lanzó la startup biotecnológica Isomorphic Labs en 2021 para sumergirse en la investigación de fármacos, mientras que AlphaFold2 siguió arrancando, publicando 200 millones de predicciones de estructuras de proteínas durante el verano del año pasado.
El ritmo de la investigación crece rápidamente. Solo 4 artículos hacían referencia a AlphaFold en 2020, según PubMed, un catálogo de investigación biomédica. Esa cifra aumentó a 92 artículos en 2021 y a 546 en 2022. En 2023 se prevé que se publiquen más de 1.000 artículos.
Varias empresas biotecnológicas utilizan ya AlphaFold2 para desarrollar fármacos, y algunas lo están usando para explorar nuevas áreas de la biología.
Raphael Townshend trabajó en AlphaFold como becario de DeepMind en 2019 mientras terminaba un doctorado en ciencias de la computación en Stanford. Ahora dirige una startup en San Francisco llamada Atomic AI, que busca desarrollar lo que él llama "AlphaFold para ARN".
Atomic predice la estructura de las moléculas de ARN, con la esperanza de desarrollar medicamentos gracias a los resultados. El ARN lee las instrucciones contenidas en nuestro código genético, conocido como ADN, para crear proteínas en el organismo.
Atomic AI
Otras biotecnologías utilizan AlphaFold en combinación con otras tecnologías de IA para identificar nuevos medicamentos de forma rápida y económica.
La empresa Insilico Medicine, por ejemplo, utilizó su propio sistema de IA junto con AlphaFold para diseñar moléculas que pudieran bloquear una proteína relacionada con el cáncer de hígado. Con este método, consiguió crear una de esas moléculas y realizó pruebas de laboratorio para confirmar su eficacia. La empresa publicó esa investigación en enero.
Su CEO, Alex Zhavoronkov, ha explicado a Business Insider que su equipo tardó unos 50 días y una inversión inferior a 100.000 dólares en pasar de la búsqueda al diseño de un medicamento y su ensayo en laboratorio, una velocidad que, en su opinión, constituye un récord en el desarrollo de fármacos.
"AlphaFold es un descubrimiento brillante, pero es una de las piezas de un enorme rompecabezas de Lego que hay que tener para comercializar con éxito un medicamento", explica a Business Insider Zhavoronkov, que conserva una foto de Hassabis en su despacho.
A pesar del entusiasmo, el potencial de la IA en biotecnología tiene sus límites.
En el caso de Insilico, la empresa no tiene previsto llevar su fármaco a estudios en humanos debido al coste de los ensayos clínicos. Aunque la IA facilita la creación rápida de posibles fármacos, el proceso de probarlos en animales y humanos sigue requiriendo muchos años y cientos de millones de dólares.
Además, las predicciones de AlphaFold no siempre son perfectas. Higgins, de Oxford, cuenta que utilizó experimentos de laboratorio para comprobar las predicciones de la IA y que desconfía de los trabajos de investigación que dependen únicamente de las predicciones de AlphaFold, sin validación experimental.
Los próximos usos serán 'cada vez más difíciles' y DeepMind mantiene el hermetismo sobre su trabajo a futuro
DeepMind
A pesar de estas limitaciones, AlphaFold2 ha demostrado ser un gran avance, circulando incluso rumores de un posible Premio Nobel, especialmente después de ganar el Premio Breakthrough en 2022 de 3 millones de dólares.
Los próximos grandes problemas biológicos en el radar de DeepMind son un misterio, aunque la empresa ha realizado algunas investigaciones sobre genética y predicción de interacciones proteínicas más complejas.
Pedro Domingos, profesor de ciencias de la computación de la Universidad de Washington, dice que tendría sentido que el equipo de AlphaFold trabajara en el siguiente nivel de problemas biológicos, como la forma en que las proteínas interactúan con otras proteínas o moléculas pequeñas.
"Se hará progresivamente más difícil, y no está claro que el enfoque actual de DeepMind, o incluso el estado actual de la IA, esté a la altura. Pero la IA también seguirá progresando rápidamente, y la gente de DeepMind es muy buena, así que soy optimista", explica Domingos a Business Insider en un correo electrónico.
Jumper, de DeepMind, dice que su equipo AlphaFold estaba centrado en intentar eliminar los próximos grandes obstáculos en la investigación biológica. Pero cuáles son, sigue siendo un secreto.
"Tengo mis teorías sobre hacia dónde puede ir esto, que de momento me guardaré para mí", afirma Jumper.
Otros artículos interesantes:
Conoce cómo trabajamos en Business Insider.